基本介紹
內容簡介,編輯推薦,目錄,
內容簡介
本書系統地介紹了動態模糊神經網路理論，目的是要解決使用者在缺乏模糊理論、神經網路以及套用對象的全面知識的情況下，如何快速、自動地構造一個有效的模糊神經網路的問題。因此，本書在提出參數學習的同時，特彆強調模糊神經網路結構的確定。
本書針對不同套用對象（系統辨識、預測、實時控制、模式識別等），提出了多個學習算法，這些算法以提高學習速度和增強泛化能力為中心，融合了線上學習、分級學習、動態自組織結構、修剪技術等一系列設計思想，從而使得這些算法既可用於離線訓練，也可用於實時學習和控制。
本書內容豐富而詳實，書末還附有MATLAB程式,可作為人工智慧、軟計算、數據挖掘、信息處理、數據分析、自動控制及模式識別等領域技術人員的參考書，也可作為相關專業的研究生教材。
編輯推薦
針對一個複雜系統，如何快速構造一個有效的模糊系統或神經系統網路？模糊規則數或隱層節點數越多則系統性能越好嗎？哪條規則最重要？所建模型具有泛化能力嗎？這些問題都是技術人員在實際套用中經常遇到的問題。
本書就是要回答上述問題及其相關問題，針對不同的套用對象（系統辨識、預測、實時控制、模式識別等），解決使用者在缺乏對模糊理論、神經網路以及套用對象的全面知識的情況下，如何快速、自動地構造一個有效的模糊神經網路問題。
本書主要特色：
全書自成體系；
針對不同套用，提出多個學習算法；
在介紹參數學習的同時，特彆強調結構的確定；
注重線上學習和實時控制；
側重將理論套用於實際問題的解決；
提供多個套用實例；
附有Matlab程式。
目錄
緒論
1.1 模糊神經網路
1.1.1 模糊神經網路的提出
1.1.2 模糊神經網路的發展
1.1.3 模糊神經網路的分類
1.2 動態模糊神經網路
1.2.1 動態模糊神經網路的提出
1.2.2 動態模糊神經網路的含義與特點
1.2.3 動態模糊神經網路的套用
本章參考文獻
第2章 模糊系統與神經網路回顧
2.1 模糊系統
2.1.1 模糊集
2.1.2 模糊規則
2.1.3 模糊推理系統
2.1.4 模糊系統作為非線性逼近
2.1.5 模糊系統存在的問題
2.2 神經網路
2.2.1 神經網路的特性
2.2.2 神經網路的組成
2.2.3 神經網路的學習算法
2.2.4 神經網路的結構與泛化能力
2.2.5 神經網路激活函式的選擇
2.2.6 徑向基（RBF）神經網路
2.3 模糊系統與神經網路
2.3.1 模糊系統與神經網路的知識處理
2.3.2 通用逼近器
2.3.3 模糊系統與神經網路的功能等價
2.3.4 模糊系統與神經網路的結合
本章參考文獻
第3章 動態模糊神經網路
3.1 動態模糊神經網路的結構
3.2 動態模糊神經網路的學習算法
3.2.1 規則產生準則
3.2.2 分級學習思想
3.2.3 前提參數分配
3.2.4 結果參數確定
3.2.5 修剪技術
3.3 對算法的進一步討論
3.3.1 結構辨識
3.3.2 輸入空間劃分
3.4 小結
本章參考文獻
第4章 動態模糊神經網路不同算法實現及比較
4.1 修剪技術的不同方法
4.1.1 奇異值分解(SVD)方法
4.1.2 特徵值分解(ED)方法
4.1.3 列主元SVD-QR方法
4.1.4 總體最小二乘方法
4.1.5 不同修剪技術的比較研究
4.1.6 小結
4.2 參數調節方法及比較
4.2.1 擴展的卡爾曼濾波
4.2.2 不同參數調節方法的比較研究
4.2.3 小結
本章參考文獻
第5章 動態模糊神經網路的一般套用
5.1 函式逼近
5.1.1 逼近問題
5.1.2 Hermite函式逼近
5.2 非線性動態系統辨識
5.2.1 建模問題
5.2.2 系統辨識
5.2.3 神經網路用於系統辨識
5.2.4 仿真
5.3 Mackey-Glass時間序列預測
5.4 人臉識別
5.5 討論
5.5.1 學習速度、參數最佳化和泛化性
5.5.2 分級學習
5.5.3 高維小樣本的學習問題
5.5.4 D-FNN與模糊規則提取
5.6 小結
本章參考文獻
第6章 動態模糊神經網路在生物工程中的套用
第7章 增強型動態模糊神經網路用於實時自適應噪聲消除
第8章 廣義動態模糊神經網路
第9章 非線性系統的魯棒自適應模糊神經控制
第10章 動態模糊神經網路的實時套用與開發
第11章 動態徑向基神經網路套用於人臉識別
第12章 總結與進一步研究的課題
附錄A MATLAB程式
